《表2 不同序号特征组合下的分级结果Tab.2 Evaluation results under different feature combination》

《表2 不同序号特征组合下的分级结果Tab.2 Evaluation results under different feature combination》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于特征融合矩阵语音音色的厚薄度客观评价》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

从表2的实验结果可以看出,以LPC参数作为输入时,分级准确率为70.2%,但MFCC参数作为输入时,分级准确率可提高到85.1%,客观评价能力显著提高.而以MFCC+LPC参数作为输入时,其分级准确率相较于MFCC仅有微小的提升,这表明MFCC参数对语音厚薄度的分级准确率的贡献远高于LPC参数.